Wohl alle Studien zum weltweiten Datenverkehr messen einen starker Anstieg – und die meisten dieser neuen Daten erzeugen IoT-Geräte in Edge-Infrastrukturen. Obwohl also mittlerweile die meisten Daten dezentral am Rand des Netzwerks generiert werden, ist die Rechen- und Speicherinfrastruktur in der Regel noch in einigen wenigen großen Rechenzentren oder in der Public Cloud gebündelt. Bei dieser Vorgehensweise müssen die Daten zur Verarbeitung und Speicherung dorthin übertragen werden, was zu Verzögerungen und Kosten führt.
Industrielle Bildverarbeitung
Für die Industrie besonders interessante Aspekte sind die KI-gestützte Optimierung und Automatisierung von Produktionsschritten. Dabei fallen insbesondere bei Machine Vision-Anwendungen viele Daten an, mit denen beispielsweise Funktionsstörungen und Produktionsfehler erkannt werden. Bei Machine-Vision-Applikationen werden aktuell viele Daten, die in der Edge gesammelt werden, zur Verarbeitung und zum Training von KI-Modellen an ein zentrales Rechenzentrum übertragen. Es entstehen aber auch neue Systemarchitekturen, die eine Datenverarbeitung in der Edge ermöglichen, was Anwendungen mit hohen Anforderungen an die Latenzzeiten ermöglicht. Der Einsatz von Edge Analytics und der Technik des sogenannten föderalen Lernens im Kontext von Maschinellem Lernen bringt bemerkenswerte Vorteile mit sich. Viele Sicherheits- und Datenschutzmängel zentralisierter Systeme können überwunden werden, wenn Daten das Werk gar nicht erst verlassen.
Dezentrale Strukturen
Obwohl dezentrale IT-Infrastruktur-Konzepte viele Vorteile bieten, haben sie auch einige Nachteile. Die Auswahl der Speicher- und Datenverarbeitungsinfrastruktur in der Edge ist deshalb entscheidend. Hier die passende Entscheidung zu treffen, hat erhebliche Auswirkungen auf die Effizienz des Gesamtsystems und seine Betriebskosten. Es muss dabei auch die zentrale Verwaltung der Edge-Infrastruktur sichergstellt sein und es müssen Details beim genauen Einsatzszenario berücksichtigt werden.
Tiered Storage
Eine Methode für das Datenmanagement ist in diesem Kontext der Einsatz einer Systemarchitektur mit Tiered Storage. Aber was genau ist Tiered Storage? Kurz gesagt beschreibt Tiered Storage oder auch Storage Tiering eine Methode zur Kategorisierung von Daten auf der Grundlage ihres Wertes für das Unternehmen. Außerdem ist die Zugriffshäufigkeit ausschlaggebend. Die Daten werden dabei bestimmten Speicherebenen, sogenannten Tiers, zugeordnet. Diese unterscheiden sich hinsichtlich Performance, Verfügbarkeit und Kosten.